无线传感器网络的覆盖优化方法研究

《无线传感器网络的覆盖优化方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、无线传感器网络的覆盖优化方法研究ResearchonCoverageOptimizationforWirelessSensorNetworks一级学科：信息与通信工程学科专业：通信与信息系统作者姓名：金杉-指导教师：金志刚-天津大学电气自动化与信息工程学院二零一七年三月1万方数据万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究

2、所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日3万方数据万方数据摘要随着传感器技术和物联网技术的发展，大规模双层无线传感器网络(WSNs)应

3、用范围日趋广泛。论文为更好地实现该类WSNs覆盖，考虑了层间链路关系、整体传输性能，以及能耗寿命因素。从传感器层、汇聚层、网络整体三个方面覆盖优化，分别提出了解决双层WSNs覆盖协调问题的方法。主要创新性研究成果如下：1.针对传感器层的节点覆盖问题，设计了一种基于虚拟传热的能耗均衡幂律重部署算法。建立了以二次熵为基础的幂律熵模型，并建立传感器节点与汇聚节点之间、相邻传感器节点之间幂律熵平衡关系方程。采用相对熵求得相对移动中参照节点选取概率的权重，达到整体网络熵平衡。实验表明，该算法能够高效地实现传感器层内节点能耗均衡，及时避免能量空洞，

4、延长了网络生命周期，并提升了覆盖率。2.针对汇聚层的节点覆盖问题，设计了一种基于量子狼群进化的多目标汇聚节点覆盖算法。对双层拓扑结构中的汇聚层节点覆盖问题展开综合因素分析，将覆盖范围、拓扑稳定、能量有效等3项优化需求定义为子目标函数，加权设计出多目标优化问题。以多目标函数作适应度值，设置在量子编码后的二进制狼群算法中，迭代进化狼群染色体和更新适应度，得到Pareto最优解组。实验证明，该算法能够有效减少汇聚节点数，提高汇聚层结构稳定性，平衡网络能耗。3.针对网络整体的覆盖优化问题，提出了一种基于两次预警的网络信息融合覆盖优化算法。将汇聚

5、节点及下属传感器簇作为网络单元，按照多个子目标函数离散化统计多源数据，将分布式处理结果传至控制中心；再以模糊逻辑推理、改进的C-均值聚类和小波神经网络进行集中融合。通过对多目标的特征排序，构成覆盖质量评价等级体系。设计新型的两次预警机制，优先发布覆盖质量最差的网络单元情况；随后发布其它需重部署的网络单元情况，保证了网络整体的多目标覆盖优化效果。最后，设计一种吸附选择的重部署调度机制，在传输层自适应形成覆盖质量评价后的网络单元两次预警分类集合，按照集合类别选择执行虚拟传热或量子狼群进化算法，实现网络整体覆盖优化。实验显示了覆盖质量协调系统

6、优化覆盖范围、拓扑结构、能耗均衡以及传输性能的优势，多目标覆盖优化的效果较3种对比算法高出15%以上，网络传输性能高出10%以上。关键词：无线传感器网络，拓扑结构，部署，覆盖，多目标优化I万方数据II万方数据ABSTRACTWiththerapiddevelopmentofwirelesssensornetworks(WSNs)andinternetofthingstechnology,large-scaletwo-layertopologyWSNsbecomeswideapplication.ToresolveWSNs’coverag

7、eproblems,thepaperfocusesonlifeissues,thelinkrelationshipbetweenlayers,andthewholetransmissionability.Thentheintegratedworkingsituationisarranged,thestabilityoftopologystructureismaintained,andthenetworklifetimeisextended.Andthecoordinatingmethodforsatisfyingtheformernee

8、dsisproposedfromthecoverageoptimizationofsensorlayer,sinklayer,andtheintegratednetwork.Themaincontribut